Estimación de datos faltantes en procesos ARIMA usando un enfoque Bayesiano

Este documento presenta una metodología Bayesiana para la estimación de los parámetros de un modelo ARIMA(p,d,q) en presencia de datos faltantes, para ello se supone que los valores p, d y q son conocidos. La metodología utiliza el muestreador de Gibbs para estimar conjuntamente los parámetros del m...

Full description

Autores:
Hernández Bejarano, Manuel Dario
Tipo de recurso:
Fecha de publicación:
2016
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/57184
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/57184
http://bdigital.unal.edu.co/53355/
Palabra clave:
51 Matemáticas / Mathematics
Estadística Bayesiana
Procesos ARIMA
Datos faltantes
Muestreo de Gibbs
Series de tiempo
Bayesian Statistics
Gibbs Sampler
Process ARIMA
Missing Data
Time Series
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
id UNACIONAL2_75212f2e96694c091ed8c863d690e6c1
oai_identifier_str oai:repositorio.unal.edu.co:unal/57184
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
spelling Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Nieto Sanchez, Fabio HumbertoHernández Bejarano, Manuel Darioe72585a9-1783-4ea4-9fba-6222b53046b23002019-07-02T12:32:36Z2019-07-02T12:32:36Z2016-08-17https://repositorio.unal.edu.co/handle/unal/57184http://bdigital.unal.edu.co/53355/Este documento presenta una metodología Bayesiana para la estimación de los parámetros de un modelo ARIMA(p,d,q) en presencia de datos faltantes, para ello se supone que los valores p, d y q son conocidos. La metodología utiliza el muestreador de Gibbs para estimar conjuntamente los parámetros del modelo y las observaciones faltantes en la serie de tiempo. Este trabajo supera las dificultades prácticas de previas investigaciones que consideran series de tiempo con datos faltantes, ya que: (i) el error estándar de la varianza y el intercepto pueden ser estimados, (ii) es posible incluir series con una longitud mayor a 600 observaciones. Las estimaciones de los parámetros y de los datos faltantes considerando datos reales y datos simulados son similares a los obtenidos mediante la metodología frecuentista basada en la función de verosimilitud. La parte de pronóstico del análisis de series de tiempo no es considerada en éste trabajo.Abstract. This document presents a Bayesian methodology for estimating the parameters of an ARIMA(p,d,q) model in the presence of missing data, for this, it assumes that p, d and q are known. The methodology uses the Gibbs sampler to jointly estimate the parameters of the model and the missing observations. We overcome technical difficulties in previous research that consider missing data in time series, due to the fact: (i) the standard error of the variance and the intercept can be estimated (ii) we can include in the analysis series with more than 600 observations. Results of missing data and parameters estimated from real-life and simulated data are similar to those obtained by frequentist methodology based on the likelihood function. Forecast of time series is not considered in this document.Maestríaapplication/pdfspaUniversidad Nacional de Colombia Sede Bogotá Facultad de Ciencias Departamento de EstadísticaDepartamento de EstadísticaHernández Bejarano, Manuel Dario (2016) Estimación de datos faltantes en procesos ARIMA usando un enfoque Bayesiano. Maestría thesis, Universidad Nacional de Colombia - Sede Bogotá.51 Matemáticas / MathematicsEstadística BayesianaProcesos ARIMADatos faltantesMuestreo de GibbsSeries de tiempoBayesian StatisticsGibbs SamplerProcess ARIMAMissing DataTime SeriesEstimación de datos faltantes en procesos ARIMA usando un enfoque BayesianoTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMORIGINAL80738551.2016.pdfapplication/pdf2343757https://repositorio.unal.edu.co/bitstream/unal/57184/1/80738551.2016.pdf16aab5cf1394cc4c7584a20f2715de22MD51THUMBNAIL80738551.2016.pdf.jpg80738551.2016.pdf.jpgGenerated Thumbnailimage/jpeg4035https://repositorio.unal.edu.co/bitstream/unal/57184/2/80738551.2016.pdf.jpgb479d02d029bf9f81149849bc63d913aMD52unal/57184oai:repositorio.unal.edu.co:unal/571842024-03-26 23:08:44.393Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co
dc.title.spa.fl_str_mv Estimación de datos faltantes en procesos ARIMA usando un enfoque Bayesiano
title Estimación de datos faltantes en procesos ARIMA usando un enfoque Bayesiano
spellingShingle Estimación de datos faltantes en procesos ARIMA usando un enfoque Bayesiano
51 Matemáticas / Mathematics
Estadística Bayesiana
Procesos ARIMA
Datos faltantes
Muestreo de Gibbs
Series de tiempo
Bayesian Statistics
Gibbs Sampler
Process ARIMA
Missing Data
Time Series
title_short Estimación de datos faltantes en procesos ARIMA usando un enfoque Bayesiano
title_full Estimación de datos faltantes en procesos ARIMA usando un enfoque Bayesiano
title_fullStr Estimación de datos faltantes en procesos ARIMA usando un enfoque Bayesiano
title_full_unstemmed Estimación de datos faltantes en procesos ARIMA usando un enfoque Bayesiano
title_sort Estimación de datos faltantes en procesos ARIMA usando un enfoque Bayesiano
dc.creator.fl_str_mv Hernández Bejarano, Manuel Dario
dc.contributor.author.spa.fl_str_mv Hernández Bejarano, Manuel Dario
dc.contributor.spa.fl_str_mv Nieto Sanchez, Fabio Humberto
dc.subject.ddc.spa.fl_str_mv 51 Matemáticas / Mathematics
topic 51 Matemáticas / Mathematics
Estadística Bayesiana
Procesos ARIMA
Datos faltantes
Muestreo de Gibbs
Series de tiempo
Bayesian Statistics
Gibbs Sampler
Process ARIMA
Missing Data
Time Series
dc.subject.proposal.spa.fl_str_mv Estadística Bayesiana
Procesos ARIMA
Datos faltantes
Muestreo de Gibbs
Series de tiempo
Bayesian Statistics
Gibbs Sampler
Process ARIMA
Missing Data
Time Series
description Este documento presenta una metodología Bayesiana para la estimación de los parámetros de un modelo ARIMA(p,d,q) en presencia de datos faltantes, para ello se supone que los valores p, d y q son conocidos. La metodología utiliza el muestreador de Gibbs para estimar conjuntamente los parámetros del modelo y las observaciones faltantes en la serie de tiempo. Este trabajo supera las dificultades prácticas de previas investigaciones que consideran series de tiempo con datos faltantes, ya que: (i) el error estándar de la varianza y el intercepto pueden ser estimados, (ii) es posible incluir series con una longitud mayor a 600 observaciones. Las estimaciones de los parámetros y de los datos faltantes considerando datos reales y datos simulados son similares a los obtenidos mediante la metodología frecuentista basada en la función de verosimilitud. La parte de pronóstico del análisis de series de tiempo no es considerada en éste trabajo.
publishDate 2016
dc.date.issued.spa.fl_str_mv 2016-08-17
dc.date.accessioned.spa.fl_str_mv 2019-07-02T12:32:36Z
dc.date.available.spa.fl_str_mv 2019-07-02T12:32:36Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unal.edu.co/handle/unal/57184
dc.identifier.eprints.spa.fl_str_mv http://bdigital.unal.edu.co/53355/
url https://repositorio.unal.edu.co/handle/unal/57184
http://bdigital.unal.edu.co/53355/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.ispartof.spa.fl_str_mv Universidad Nacional de Colombia Sede Bogotá Facultad de Ciencias Departamento de Estadística
Departamento de Estadística
dc.relation.references.spa.fl_str_mv Hernández Bejarano, Manuel Dario (2016) Estimación de datos faltantes en procesos ARIMA usando un enfoque Bayesiano. Maestría thesis, Universidad Nacional de Colombia - Sede Bogotá.
dc.rights.spa.fl_str_mv Derechos reservados - Universidad Nacional de Colombia
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv Atribución-NoComercial 4.0 Internacional
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial 4.0 Internacional
Derechos reservados - Universidad Nacional de Colombia
http://creativecommons.org/licenses/by-nc/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
institution Universidad Nacional de Colombia
bitstream.url.fl_str_mv https://repositorio.unal.edu.co/bitstream/unal/57184/1/80738551.2016.pdf
https://repositorio.unal.edu.co/bitstream/unal/57184/2/80738551.2016.pdf.jpg
bitstream.checksum.fl_str_mv 16aab5cf1394cc4c7584a20f2715de22
b479d02d029bf9f81149849bc63d913a
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv repositorio_nal@unal.edu.co
_version_ 1814089315845668864

Publicaciones similares